Entrenamiento y evaluación de modelo de computer vision

Clase 11 de 17 • Curso de Transfer Learning con Hugging Face

Gian

student•

Comunidad, no creen que sería necesario o al menos últi tener un ejemplo de como poder usar este modelo? Tal vez lo muestra más adelante?

Jhonatan Estiven Becerra Pedrozo

student•

Me parece que te refieres a colocarlo en un entorno productivo, y sí, pienso lo mismo. Debería haber un curso orientado a usar esos modelos de forma local o subiéndolos a AWS de alguna manera para ser consumidos. Siempre en cuadernos.

Esteban Danilo Diaz Riascos

student•

Por si a alguien se le presento el error "Partial state" esto me sirvió

Joel Orellana

student•

justo eso me funciona!

Patricio Sánchez Fernández

student•

Gracias por el dato, Esteban...!

Orlando Murcia Perdomo

student•

Profe para el tema de la evaluar nuestro modelo no debió usarse mejor el conjunto de datos de test en vez de nuestro conjunto de validación? porque ya de por si el conjunto de validación también lo generaliza el trainer para mejorar en cada epoch nuestro modelo?

Gilberto Espinoza Maciel

student•

Había escogido entrenar mi propio modelo para detectar abejas pero empecé a tener varias paredes enfrente porque no comprendía bien los detalles de los entranamientos. Entonce empecé a correr paso a paso la libreta que nos regala Platzi y me alegro tanto regresar al ejemplo del curso por que el entrenamiento tiene mi ventilador sonando tan fuerte que creo que va empezar a sonar Fortunate Son de fondo YouTube

Gilberto Espinoza Maciel

student•

Mi modelo compartido en HF

francisco flores

student•

quien me puede ayudar? cuando coloco el codiigo para medir las metricas no me sale el accuracy y estoy utilizando el mismo codigo del video me sale son las metricas de loss y no me calcula el accuracy ya vi que las claves de mis diccionarios el de train y el de test son las mismas , las etiquetas son las mismas y aun asi no me da el accuracy

Nathia .

student•

Profe tengo el siguiente código

from transformers import TrainingArguments

training_args=TrainingArguments (

  output_dir="./platzi-vit-model",
  evaluation_strategy="steps",
  num_train_epochs=4,
  push_to_hub_organization="platzi",
  learning_rate=2e-4,
  remove_unused_columns=False,
  push_to_hub=True,
  load_best_model_at_end=True,
  )

Al ejecutar me sale el siguiente error

File "<ipython-input-143-a12b50b47e93>", line 3 training_args=TrainingArguments ( ^ IndentationError: unexpected indent

Como lo podría solucionar? :)

Jorge Eduardo Enciso Agudelo

student•

Tienes identada la primera linea un poco y por eso te sale ese error, o bueno eso parece. Como recomendación cambia el nombre del output_dir y pon algo que puedas identificar mejor como platzi-vit-model_natalia o algo asi

Pablo Campiño

student•

Hola: Evaluación de 100% y el de Omar 0.9925: ¿qué puede influir en este resultado y si es incorrecto: esto es pista para revisar y ajustar los datos de entrenamiento u otra alternativa?. Gracias por sus observaciones y Saludos.

!Eval. vs. Omar

John Salcedo

student•

Hola el curso esta bien vacano, lo unico que me ha pasado asi como que no lo esperaba, es que la parte del entrenamientos se demora alrededor de 3 horas, quisera saber si a alguien se le demoro 20 min jejejejje

Michell Osorio Rodriguez

student•

Holaaa, tengo este error, podrian ayudarme

Elvis Maldonado Rodriguez

student•

Interesante.

MARIA TERESA PANIAGUA RIVERA

student•

Gracias

Juan Jose Sepulveda Calderon

student•

Tengo una duda de programación con Python. Estaba viendo el código fuente del método train() y no tiene ningún return entonces en la siguiente línea: train_results = trainer.train() ¿Por qué se guardan los resultados? Y ¿Qué es lo que se guarda? 🤔

Ricardo Silva

student•

Hola JJSC, el codigo que estas viendo es del TFTrainer, especifico para TensorFlow, y el que usamos es la clase Trainer es especifico para pytorch. El de pytorch si tiene un return. Hasta ahora no he trabajado con TensorFlow asi que no se que cambiaria en cuanto al codigo para mostrar los resultados.

  output_dir="./platzi-vit-model",
  evaluation_strategy="steps",
  num_train_epochs=4,
  push_to_hub_organization="platzi",
  learning_rate=2e-4,
  remove_unused_columns=False,
  push_to_hub=True,
  load_best_model_at_end=True,
  )

Entrenamiento y evaluación de modelo de computer vision

Introducción al Hub de Hugging Face

Introducción al transfer learning

Machine learning abierto para todo el mundo

Las tasks en machine learning

Primeros pasos con transfer learning y transformers

Tus primeros modelos pre-entrenados usando pipeline

Explorando los datasets

Introducción a los Transformers

Aplicando transfer learning

Computer vision

Carga de dataset para computer vision

Procesamiento de dataset para computer vision

Configurando un Trainer para computer vision

Entrenamiento y evaluación de modelo de computer vision

Procesamiento de lenguaje natural

Carga de dataset para NLP

Procesamiento de dataset para NLP

Configurando un Trainer para NLP

Entrenamiento y evaluación de modelo de NLP

Comparte en el Hub

El Hub como tu curriculum para machine learning

Compartir tu modelo en el Hub de Hugging Face